JetBrains ปล่อย Mellum2.1 — โมเดลเปิด 12B MoE (active 2.5B) Apache-2.0 ที่ RL ในรีโปจริงจน SWE-bench Verified กระโดดจาก 2% เป็น 47% มี GGUF 7–8 GB ให้รันบนเครื่องแล้ว

JetBrains ปล่อย Mellum2.1 Thinking เมื่อวานนี้ (8 ต.ค. 2026) เป็นเวอร์ชันต่อจาก Mellum2 ที่บริษัทเปิดซอร์สไปเมื่อเดือนมิถุนายน ตัวสถาปัตยกรรมไม่เปลี่ยน ยังเป็น mixture-of-experts ขนาด 12B ที่ active แค่ 2.5B ต่อโทเคน และยังใช้ไลเซนส์ Apache 2.0 สิ่งที่เปลี่ยนคือขั้นตอนหลัง pre-training ทั้งหมด JetBrains บอกว่าใช้ช่วงหน้าร้อน “รันแซนด์บ็อกซ์หลายล้านครั้งในสภาพแวดล้อมหลายพันแบบ” เพื่อฝึกด้วย reinforcement learning ให้โมเดลทำงานในรีโปจริงได้ คือสำรวจโค้ด แก้ไฟล์ และตรวจผลงานของตัวเอง

ผลที่เห็นชัดที่สุดคืองาน agentic SWE-bench Verified ขึ้นจาก 2.0% เป็น 47.0% และ Terminal-Bench 2.1 จาก 0.6% เป็น 17.4% ตัวเลขทั้งหมดมาจาก JetBrains เอง แต่สิ่งที่น่าสนใจสำหรับนักพัฒนาคือ JetBrains วางตำแหน่งโมเดลนี้ไว้ชัดว่าไม่ได้มาแทนโมเดลใหญ่ แต่ทำหน้าที่เป็น sub-agent ที่เร็วและรันบนเครื่องตัวเองได้

สเปกและวิธีรัน

ข้อมูลจาก model card และ config.json:

• 12B total / 2.5B active, 28 เลเยอร์, 64 experts โดยเลือกใช้ 8 ตัวต่อโทเคน
• Context 131,072 โทเคน โดย 3 ใน 4 เลเยอร์ใช้ sliding window 1,024 มีแค่เลเยอร์ที่ 4, 8, 12, … เป็น full attention ทำให้ KV cache ที่ context ยาวเล็กกว่าโมเดล dense ขนาดเท่ากันมาก
• เป็นโมเดล thinking ที่เขียนเหตุผลใน <think>...</think> ก่อนตอบ ค่าที่แนะนำคือ temperature 0.6, top_p 0.95, top_k 20
• รันบน vLLM ด้วย --reasoning-parser qwen3 และถ้าต้องการ tool calling ให้เพิ่ม --enable-auto-tool-choice --tool-call-parser hermes
• การ์ดตั้ง base_model เป็น Mellum2-12B-A2.5B-Base และมี commit แก้ไว้โดยเฉพาะว่า “Mellum2.1 ไม่ได้ fine-tune ต่อจาก Mellum2 Thinking” หมายความว่า RL รอบนี้เริ่มจาก base ใหม่ทั้งหมด

เรื่อง GGUF: ทั้งบล็อกและการ์ดหลักเขียนว่า GGUF สำหรับ llama.cpp / Ollama / LM Studio “จะตามมาเร็วๆ นี้” แต่ตอนที่เราเช็ก repo ทางการ JetBrains/Mellum2.1-12B-A2.5B-Thinking-GGUF ขึ้นแล้ว มีไฟล์ BF16 (24.3 GB), Q8_0 (12.9 GB), Q6_K (10.9 GB), Q4_K_M (8.1 GB, ตัวที่แนะนำ) และ MXFP4_MOE (7.0 GB) พร้อมตัวเลข KL divergence เทียบกับ BF16 ให้ดู (Q4_K_M ทายโทเคนแรกตรงกับ BF16 88.0%) ส่วน llama.cpp รองรับสถาปัตยกรรม mellum มาตั้งแต่ต้นมิถุนายนแล้ว ดังนั้นคำสั่งเดียวก็รันได้:

llama-server -hf JetBrains/Mellum2.1-12B-A2.5B-Thinking-GGUF:Q4_K_M \
  --ctx-size 131072 --temp 0.6 --top-p 0.95 --top-k 20

ไฟล์ 8 GB ที่ active แค่ 2.5B แปลว่าการ์ดจอ 12 GB หรือ Mac ที่มี RAM 16 GB รันได้สบาย ส่วนที่ยังไม่มีคือ MTP head สำหรับ speculative decoding บน vLLM ซึ่งเป็นตัวที่ JetBrains ใช้อ้างว่า “เร็วขึ้นราว 1.6 เท่าต่อคำขอเดียว”

ตัวเลข benchmark: เทียบกับใคร และแพ้ตรงไหน

JetBrains เทียบกับ Mellum2 Thinking, Qwen3.5-9B และ Gemma 4 E4B โดยใช้ pipeline เดียวกัน งาน agentic ใช้ harness โอเพนซอร์ส Pi v0.73.1 (มีแค่ shell กับเครื่องมือแก้ไฟล์) context 114K เหมือนกันทุกโมเดล:

Benchmark	Mellum2.1	Mellum2	Qwen3.5-9B	Gemma 4 E4B
LiveCodeBench v6	82.0	69.4	75.4	69.4
SWE-bench Verified	47.0	2.0	50.0	23.0
SWE-bench Pro	28.0	0.0	38.0	4.0
Terminal-Bench 2.1	17.4	0.6	21.7	3.4
BFCL v4	62.3	49.6	58.5	52.5
AIME 25/26	83.3	60.1	86.7	45.0
GPQA Diamond	64.6	51.0	77.8	53.1

ต้องอ่านตารางนี้ตรงๆ ว่า ในงาน agentic ทั้งสามชุด Mellum2.1 ยังแพ้ Qwen3.5-9B ซึ่งเป็นโมเดล dense ที่ active มากกว่าเกือบ 4 เท่า (SWE-bench Pro ห่างกันถึง 10 จุด) ส่วนที่ Mellum2.1 ชนะคือ LiveCodeBench กับ BFCL (tool calling) และความเร็ว JetBrains บอกว่าภายใต้โหลดหนัก Mellum2.1 ส่งโทเคนได้เกือบ 2 เท่าของ Qwen3.5-9B นอกจากนี้ตารางเทียบกับโมเดลรุ่นก่อนของแต่ละค่าย ไม่ได้เทียบกับ Qwen3.8-27B ที่หลายคนใช้เป็นโมเดลโค้ดดิ้งบนเครื่องอยู่ตอนนี้ และยังไม่มีผลจากผู้ทดสอบภายนอก

มุมมอง AI Curator

ตัวเลขที่สำคัญที่สุดในข่าวนี้ไม่ใช่ 47% แต่เป็น 2% → 47% จากสถาปัตยกรรมเดิม มันยืนยันสิ่งที่เราเห็นมาตลอดปี 2026 ว่าความสามารถ agentic ของโมเดลเล็กไม่ได้มาจากขนาด แต่มาจาก RL ในสภาพแวดล้อมจริงที่ “ให้รางวัลเมื่อเทสต์ผ่าน” ซึ่งเป็นสูตรที่บริษัทเครื่องมือนักพัฒนาอย่าง JetBrains ได้เปรียบ เพราะมีทั้งรีโปจำนวนมากและความเข้าใจ IDE สิ่งที่น่าเสียดายคือทั้งบล็อกและการ์ดไม่ได้พูดถึงการเปิด RL environment หรือชุดข้อมูลที่ใช้ฝึกเลย มีให้แค่น้ำหนักโมเดล ทั้งที่ส่วนนี้เป็นสิ่งที่ชุมชนอยากได้มากที่สุด

ในทางปฏิบัติ Mellum2.1 ไม่ใช่โมเดลที่จะใช้เป็นสมองหลักของ coding agent แต่เหมาะมากกับงานแบบ “agent หลักบนคลาวด์ + sub-agent บนเครื่อง” เช่น ให้ Claude หรือ GPT วางแผน แล้วส่งงานย่อยอย่างไล่หาสาเหตุเทสต์ที่ fail, grep โค้ด หรือรันคำสั่งซ้ำๆ ให้ Mellum2.1 ทำบนเครื่อง ซึ่งช่วยประหยัดค่า API และไม่ต้องส่งโค้ดออกนอกองค์กร เรื่องนี้สำคัญกับบริษัทไทยที่ทำงานกับธนาคารหรือหน่วยงานรัฐ ซึ่งมักห้ามส่งซอร์สโค้ดไปคลาวด์ต่างประเทศ ไลเซนส์ Apache-2.0 แบบไม่มีเงื่อนไขรายได้ทำให้ฝ่ายกฎหมายอนุมัติได้ง่ายกว่าโมเดลที่ใช้ไลเซนส์เฉพาะ

ข้อควรระวังคือการ์ดระบุภาษาไว้แค่ en และวัดผลเป็นภาษาอังกฤษทั้งหมด ถ้าใช้เขียน commit message หรืออธิบายโค้ดเป็นภาษาไทยอาจได้ผลไม่ดี ควรให้มันทำงานกับโค้ด แล้วให้โมเดลหลักเป็นตัวสื่อสารกับคน และถ้าจะเลือกระหว่าง Mellum2.1 กับ Qwen3.5-9B ให้ใช้เกณฑ์ง่ายๆ ว่า งานที่ต้องการความถูกต้องในรีโปเลือก Qwen งานที่ต้องการ throughput สูงและเรียกซ้ำบ่อยเลือก Mellum แล้วทดสอบกับรีโปของตัวเองก่อนตัดสินใจ

แหล่งข่าว

• Mellum2.1 Gets to Work: A Fast Open Model for Coding Agents — JetBrains AI Blog (8 ต.ค. 2026)
• JetBrains/Mellum2.1-12B-A2.5B-Thinking — model card, config และตาราง benchmark (Hugging Face)
• JetBrains/Mellum2.1-12B-A2.5B-Thinking-GGUF — ไฟล์ quantized ทางการ (Hugging Face)
• model: add Mellum architecture — llama.cpp PR #23966